检测推理命令yolo taskdetect modepredict modelbest.pt sourceimages device0yolo taskdetect modepredict modelbest.pt sourceimages device0 line_width1line_width1可以控制检测框线条的粗细yolo taskdetect modepredict modelbest.pt sourceimages device0 conf0.6conf0.6可以设置置信度阈值过滤。ultralytics 框架默认 conf0.25iou0.45可以设置IOU阈值过滤hide_labelsTrue隐藏标签hide_confTrue隐藏置信度分数save_txtTrue把每一张图片的推理结果存在txt文件max_det2000max_det相关解释【YOLO推理默认单张图最多输出 300 个检测框这不是你数据里真的只有 300 棵树而是被 max_det300这个参数封顶了Ultralytics 全系列v5v11 都一样预测参数里max_det默认 300作用是经过 conf过滤 NMS(iou) 之后若剩余框数 300按置信度降序只保留前 300 个其余直接丢掉。命令行加 max_det就行比如允许单图最多 2000 个max_det2000经验值树林/人群/细胞这类密集场景一般设 1000~2000极端密集米粒、星点可到 3000~5000。max_det只是推理后处理的截断上限不改模型结构。如果你训练时 max_det用的默认 300模型检测头在训练时习惯「吐干净的 ≤300 个框」推理时硬提到 2000第 301 个以后的框置信度可能会略虚质量不如前 300。真要长期做超密集计数建议训练时也把 max_det调高写在 train 的 yaml 或 model.train(max_det2000)让模型从头适应而不是只在推理端提上限。】分割推理命令yolo tasksegment modepredict modelbest.pt sourceimages device0保存yolo输出到文件yolo taskdetect modepredict modelbest.pt sourceimages device0 yolo_output.txt 21训练命令yolo taskdetect modetrain modelyolo11m.yaml pretrainedyolo11m.pt dataultralytics/data/260410/data.yaml epochs10 imgsz1024 device0 optimizerSGD workers2 batch16 ampFalse cacheFalse
